基于灰色关联分析4种酸肉电子鼻与感官评分之间相关性

doi:10.16178/j.issn.0528-9017.20200641

摘要/Abstract

摘要： 为构建酸肉风味评价的客观有效方法,以电子鼻为客观评价指标代替酸肉传统的感官评价方式。本文以4种酸肉(苗族酸肉、傣族酸肉、辣椒酸肉、小米酸肉)为研究对象,利用方差分析、主成分分析及灰色关联度建立酸肉电子鼻响应值与感官评分之间的相关性。结果表明,电子鼻W5S、W6S、W1S、W1W、W2S、W2W传感器对不同热加工酸肉感官风味的响应值影响显著(P<0.05),其关联度分别为0.853 0、0.853 9、0.853 7、0.853 3、0.853 6、0.853 9;电子鼻W5S、W6S、W5C、W1S、W1W、W2S、W2W传感器对不同热加工酸肉感官综合评分的响应值影响显著(P<0.05),其关联度分别为0.910 36、0.910 48、0.910 48、0.910 45、0.910 38、0.910 44、0.910 47,通过灰色关联分析电子鼻传感器响应值关联系数,建立关联系数与感官之间的回归模型,感官风味与电子鼻回归方程为y=aX₂-bX₃-cX₅-dX₆-eX₇+fX₈+gX₁₀(R²=0.999),感官综合评分与电子鼻回归方程为y=aX₁-bX₂+cX₅-dX₆-eX₇+fX₁₀(R²=0.998)。在评价以微波、蒸制、油炸及烤制等方式处理酸肉的感官风味及感官综合评分时,可采用电子鼻W5S、W6S、W1S、W1W、W2S、W2W等传感器响应值进行分析。通过本文的相关研究,为电子鼻评价酸肉感官风味提供一定的理论依据。

关键词: 酸肉, 电子鼻, 感官评分, 风味, 灰色关联度

中图分类号:

TS251.5

吴慧琳, 李苗云, 朱瑶迪, 郝云鹏, 肖康, 赵改名, 任宏荣, 孙灵霞. 基于灰色关联分析4种酸肉电子鼻与感官评分之间相关性[J]. 浙江农业科学, 2020, 61(6): 1168-1175.

参考文献

[1] 丁苗,李成龙,刘淑贞,等.自然乳酸发酵猪肉蛋白质降解与血管紧张素转化酶抑制肽的分离纯化[J]. 食品科学, 2015, 36(19): 204-210.
[2] 米瑞芳,陈曦,戚彪,等.乳杆菌发酵剂对酸肉挥发性风味成分的影响[J]. 肉类研究, 2018, 32(4): 48-55.
[3] FADDA S, LÓPEZ C, VIGNOLO G. Role of lactic acid bacteria during meat conditioning and fermentation: Peptides generated as sensorial and hygienic biomarkers[J]. Meat Science, 2010, 86(1): 66-79.
[4] ARO ARO J M, NYAM-OSOR P, TSUJI K, et al. The effect of starter cultures on proteolytic changes and amino acid content in fermented sausages[J]. Food Chemistry, 2010, 119(1): 279-285.
[5] KARGOZARI M, MOINI S, AKHONDZADEH BASTI A, et al.Effect of autochthonous starter cultures isolated from Siahmazgi cheese on physicochemical, microbiological and volatile compound profiles and sensorial attributes of sucuk, a Turkish dry-fermented sausage[J]. Meat Science, 2014, 97(1): 104-114.
[6] LV J, LI C C, LI S J, et al.Effects of temperature on microbial succession and quality of sour meat during fermentation[J]. LWT-Food and Technology, 2019, 114: 108391.
[7] GARDNER J W, BARTLETT P N.A brief history of electronic noses[J]. Sensors and Actuators B: Chemical, 1994, 18(1/2/3): 210-211.
[8] ZHENG H N, WANG S Y, PING X Y, et al.Study of spinyhead croaker (Collichthys lucidus) fat content forecasting model based on electronic nose and non-linear data resolution model[J]. Food Analytical Methods, 2019, 12(9): 1927-1937.
[9] SHI Y, GONG F R, WANG M Y, et al.A deep feature mining method of electronic nose sensor data for identifying beer olfactory information[J]. Journal of Food Engineering, 2019, 263: 437-445.
[10] DI ROSA A R, LEONE F, CHELI F, et al. Fusion of electronic nose, electronic tongue and computer vision for animal source food authentication and quality assessment:a review[J]. Journal of Food Engineering, 2017, 210: 62-75.
[11] 贾洪锋, 卢一, 何江红, 等. 电子鼻在牦牛肉和牛肉猪肉识别中的应用[J]. 农业工程学报, 2011, 27(5): 358-363.
[12] 宋雪, 高韶婷, 杭梦茜, 等. 基于电子鼻的金华和宣威火腿产地鉴别与品级评定[J]. 食品与机械, 2015, 31(2): 114-118.
[13] 孙钟雷. 电子鼻技术在猪肉新鲜度识别中的应用[J]. 肉类研究, 2008, 22(2): 50-53.
[14] 石志标, 佟月英, 陈东辉, 等. 牛肉新鲜度的电子鼻检测技术[J]. 农业机械学报, 2009, 40(11): 184-188.
[15] HONG X Z, WANG J, HAI Z.Discrimination and prediction of multiple beef freshness indexes based on electronic nose[J]. Sensors and Actuators B: Chemical, 2012, 161(1): 381-389.
[16] SALINAS Y, ROS-LIS J V, VIVANCOS J L, et al. A novel colorimetric sensor array for monitoring fresh pork sausages spoilage[J]. Food Control, 2014, 35(1): 166-176.
[17] 易宇文, 刘阳, 彭毅秦, 等. 东坡肘子风味电子鼻分析与感官评价相关性探究[J]. 食品与发酵工业, 2018, 44(1): 238-244.
[18] 孟舒雨, 李苗云, 赵改名, 等. 基于灰色关联度法的狮子头风味电子鼻分析与感官评分相关性[J]. 肉类研究, 2019, 33(4): 24-28.
[19] 李小昱, 王为. 基于灰色系统理论用机械特性指标预测苹果贮藏品质特性[J]. 农业工程学报, 2005, 21(2): 1-6.
[20] 张传珂. 灰色系统理论在甜瓜品种综合评估中的应用[J]. 安徽农业科学, 2005, 33(7): 1214-1311.
[21] 王轩, 毕金峰, 刘璇, 等. 不同产地红富士苹果品质的灰色关联度分析[J]. 食品科学, 2013, 34(23): 88-91.
[22] 魏常敏, 许卫猛, 邢永锋, 等. 不同年份玉米杂交种主要农艺性状与产量的灰色关联度分析[J]. 浙江农业科学, 2019, 60(10): 1756-1759.
[23] 达迪拉·买买提, 李芳, 张文, 等. 不同加热条件对羊肉嫩度的影响研究[J]. 食品科技, 2016, 41(5): 98-103.
[24] 韦婕妤, 唐善虎, 杨琪. 不同热加工方法对羊肉制品体外模拟可消化性研究[J]. 食品科技, 2018, 43(12): 125-130.
[25] 米瑞芳, 陈曦, 戚彪, 等. 乳杆菌发酵剂对酸肉挥发性风味成分的影响[J]. 肉类研究, 2018, 32(4): 48-55.
[26] 卢雪松, 丁捷, 易宇文, 等. 烹饪方式对糊辣风味牦牛酸醡肉食用品质的影响[J]. 美食研究, 2017, 34(2): 53-56.
[27] 陈曦, 许随根, 周彤, 等. 贵州酸肉中的植物乳杆菌对发酵香肠风味和品质特性的影响[J]. 中国食品学报, 2018, 18(6): 174-182.
[28] ZHOU Q H, LIN L Q, CHEN G, et al.Prediction and optimization of electrospun polyacrylonitrile fiber diameter based on grey system theory[J]. Materials, 2019, 12(14): 2237.
[29] MA X, WU W Q, ZENG B, et al.The conformable fractional grey system model[J]. ISA Transactions, 2020, 96: 255-271.
[30] ZENG B, LI C.Improved multi-variable grey forecasting model with a dynamic background-value coefficient and its application[J]. Computers & Industrial Engineering, 2018, 118: 278-290.
[31] HE J R, BI Y Z, LIU B, et al.Graph-dual Laplacian principal component analysis[J]. Journal of Ambient Intelligence and Humanized Computing, 2019, 10(8): 3249-3262.
[32] HABIBI NAJAFI M B, LEUFVEN A, EDALATIAN DOVOM M R, et al. Probing the interactions between hardness and sensory of pistachio nuts during storage using principal component analysis[J]. Food Science & Nutrition, 2019: fsn3.1124.
[33] MADRUGA M S, STEPHEN ELMORE J, DODSON A T, et al.Volatile flavour profile of goat meat extracted by three widely used techniques[J]. Food Chemistry, 2009, 115(3): 1081-1087.
[34] NARENDRA N, VISHWANATHA T, SUDARSHAN N, et al.Synthesis of 4-amino-thiazole analogs of fmoc-amino acids and thiazole linked N-orthogonally protected dipeptidomimetics[J]. Protein & Peptide Letters, 2009, 16(9): 1029-1035.
[35] 沈铭聪, 周名洋, 孙杨赢, 等. 不同加热方法对盐水鹅食用品质的影响[J]. 食品工业科技, 2019, 40(11): 63-69.